【技术实现步骤摘要】
本专利技术涉及信用评估，也可用于金融领域，尤其涉及一种用户信用评级成因的生成方法及装置。
技术介绍
1、融资申请评级模型用于评价个人用户违约概率，是银行用来判断是否应该授予用户相应的金融产品的申请资格的参考方法。现有评级模型主要为规则模型，即按一定业务目标形成的基于业务规则的计算(例如：评分卡模型通过一系列的规则列表，根据命中规则获取相应的分值，最后汇总所有的分值以形成信用评分)。普适性商业化规则引擎为诸如融资申请评级模型在内的金融规则模型提供了业务规则集中管理、动态修改、规则编辑等功能。业务人员编写、调试、发布规则模型的系统，系统接受客户信息、客户行为等信息作为输入后，根据业务规则进行模型计算，作出相应的决策。而通过该种方式来生成信用评分后，用户无法得知自己的信用评分是因为哪一项具体指标而导致现有评分，对于信用评级的形成原因缺乏一种有效的解释。
2、因此，针对现有技术中对生成的用户信用评级的原因解释不够全面的技术问题亟待解决。
技术实现思路
1、针对现有技术中的问题，本专利技术实施例提供了一种用户信用评级成因的生成方法及装置，用以解决现有技术中对生成的用户信用评级的原因解释不够全面的技术问题。
2、本专利技术实施例提供了一种用户信用评级成因的生成方法，包括：
3、获取目标用户与多个信用关联特征分别对应的目标特征值；
4、将多个目标特征值输入至目标模型中，输出目标用户对应的目标信用评级，其中，目标模型对应的模型参数与第一模型对应的模型
5、基于多个目标特征值与目标信用评级，确定多个信用关联特征分别对于目标信用评级的贡献程度值；
6、基于多个目标特征值与多个贡献程度值，确定多个信用关联特征之间的相关程度值；
7、依据多个信用关联特征之间的相关程度值，从多个信用关联特征中确定出影响目标信用评级的目标信用特征。
8、可选的，在本专利技术一实施例中，将多个目标特征值输入至目标模型中，输出目标用户对应的目标信用评级之前，方法还包括：通过第一信用关联特征训练数据以及第一信用评级标签分别对多个初始模型进行训练，得到多个第二模型；确定多个第二模型分别对应的准确率测试结果；基于多个准确率测试结果，确定对应的准确率测试结果中测试准确率最高的模型为第一模型；从多个初始模型中，确定出与第一模型对应的模型参数相同的初始模型；通过第二信用关联特征训练数据以及第二信用评级标签对与第一模型对应的模型参数相同的初始模型进行训练，得到目标模型，其中，第二信用关联特征训练数据以及第二信用评级标签为依据第一信用关联特征训练数据以及第一信用评级标签得到的。
9、可选的，在本专利技术一实施例中，获取目标用户与多个信用关联特征分别对应的目标特征值之前，方法还包括：按照预定规则对第一信用关联特征训练数据以及第一信用评级标签进行筛选，得到第二信用关联特征训练数据以及第二信用评级标签。
10、可选的，在本专利技术一实施例中，获取目标用户与多个信用关联特征分别对应的目标特征值之前，方法还包括：获取多个待筛选特征分别对应的筛选特征值，以及筛选用户对应的筛选信用评级；基于多个筛选特征值，以及筛选信用评级，确定多个待筛选特征分别对于对应的筛选信用评级的待筛选的贡献程度值；基于预设贡献阈值，筛选待筛选的贡献程度值，得到筛选后的贡献程度值；从多个待筛选特征中，确定出与筛选后程度值对应的特征为多个信用关联特征。
11、可选的，在本专利技术一实施例中，相关程度值包括以下至少之一：多个信用关联特征中每一个特征对应的目标特征值与贡献程度值之间的第一相关程度值；多个信用关联特征中每两个特征分别对应的目标特征值之间的第二相关程度值；多个信用关联特征中每两个特征分别对应的贡献程度值之间的第三相关程度值；多个信用关联特征中每一个特征对应的目标特征值，与其他每一个特征对应的贡献程度值之间的第四相关程度值。
12、可选的，在本专利技术一实施例中，依据多个信用关联特征之间的相关程度值，从多个信用关联特征中确定出影响目标信用评级的目标信用特征，包括：基于多个第一相关程度值，确定多个信用关联特征分别对目标信用评级产生影响的初始影响系数；基于多个第二相关程度值、多个第三相关程度值以及多个第四相关程度值，确定多个信用关联特征之间相互影响的影响权重；基于多个信用关联特征之间相互影响的影响权重，对多个初始影响系数分别进行调整，得到多个信用关联特征分别对目标信用评级产生影响的目标影响系数；基于多个信用关联特征分别对目标信用评级产生影响的目标影响系数，从多个信用关联特征中确定出目标信用特征。
13、可选的，在本专利技术一实施例中，基于多个目标特征值与目标信用评级，确定多个信用关联特征分别对于目标信用评级的贡献程度值，包括：在目标用户为多个，包括多组目标特征值以及多组目标信用评级的情况下，拟合多组目标特征值与多组目标信用评级，得到拟合曲线；通过拟合曲线，确定多个信用关联特征分别对于多组目标信用评级的贡献程度值。
14、本专利技术实施例还提供了一种用户信用评级成因的生成装置，该装置包括：
15、获取模块，用于获取目标用户与多个信用关联特征分别对应的目标特征值；
16、输入模块，用于将多个目标特征值输入至目标模型中，输出目标用户对应的目标信用评级，其中，目标模型对应的模型参数与第一模型对应的模型参数相同，第一模型是通过多个设置有不同的模型参数的第二模型得到的，多个第二模型均为基于第一信用关联特征训练数据以及第一信用评级标签训练获得的；
17、第一确定模块，用于基于多个目标特征值与目标信用评级，确定多个信用关联特征分别对于目标信用评级的贡献程度值；
18、第二确定模块，用于基于多个目标特征值与多个贡献程度值，确定多个信用关联特征之间的相关程度值；
19、第三确定模块，用于依据多个信用关联特征之间的相关程度值，从多个信用关联特征中确定出影响目标信用评级的目标信用特征。
20、可选的，在本专利技术一实施例中，装置还包括：第一训练单元，用于将多个目标特征值输入至目标模型中，输出目标用户对应的目标信用评级之前，通过第一信用关联特征训练数据以及第一信用评级标签分别对多个初始模型进行训练，得到多个第二模型；第一确定单元，用于确定多个第二模型分别对应的准确率测试结果；第二确定单元，用于基于多个准确率测试结果，确定对应的准确率测试结果中测试准确率最高的模型为第一模型；第三确定单元，用于从多个初始模型中，确定出与第一模型对应的模型参数相同的初始模型；第二训练单元，用于通过第二信用关联特征训练数据以及第二信用评级标签对与第一模型对应的模型参数相同的初始模型进行训练，得到目标模型，其中，第二信用关联特征训练数据以及第二信用评级标签为依据第一信用关联特征训练数据以及第一信用评级标签得到的。
21、本文档来自技高网...
【技术保护点】
1.一种用户信用评级成因的生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将多个目标特征值输入至目标模型中，输出所述目标用户对应的目标信用评级之前，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，获取目标用户与多个信用关联特征分别对应的目标特征值之前，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，获取目标用户与多个信用关联特征分别对应的目标特征值之前，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述相关程度值包括以下至少之一：
6.如权利要求5所述的方法，其特征在于，依据所述多个信用关联特征之间的相关程度值，从所述多个信用关联特征中确定出影响所述目标信用评级的目标信用特征，包括：
7.如权利要求1至6中任意一项所述的方法，其特征在于，基于所述多个目标特征值与所述目标信用评级，确定所述多个信用关联特征分别对于所述目标信用评级的贡献程度值，包括：
8.一种用户信用评级成因的生成装置，其特征在于，包括：
9.一种计算机设备，包括存储器
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法。
...【技术特征摘要】
1.一种用户信用评级成因的生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将多个目标特征值输入至目标模型中，输出所述目标用户对应的目标信用评级之前，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，获取目标用户与多个信用关联特征分别对应的目标特征值之前，所述方法还包括：
4.如权利要求1所述的方法，其特征在于，获取目标用户与多个信用关联特征分别对应的目标特征值之前，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述相关程度值包括以下至少之一：
6.如权利要求5所述的方法，其特征在于，依据所述多个信用关联特征之间的相关程度值，从所述多...
【专利技术属性】
技术研发人员：张雨顺，高旋辉，李新，陈鑫，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。